一种基于卷积神经网络的雷达目标分类方法

雷达作为对低空和地面目标探测及监视预警的主要手段,在安全领域应用广泛。针对现阶段实际应用中雷达目标分类技术中过于依赖人工提取特征的问题,提出了一种基于卷积神经网络的分类方法,对雷达回波数据进行二维傅里叶变换得到距离-多普勒图像,再以距离-多普勒图集作为数据集,训练神经网络,得到能够完成雷达目标识别的网络模型。结果表明,相较于传统方法,基于卷积神经网络的目标识别模型在省去人工工作的同时提高了目标识别精度。     

模糊极大—极小神经网络雷达目标识别方法研究

针对基于雷达目标结构特征的识别方法对目标姿态角变化敏感的问题，利用模糊极大－极小（ＦｕｚｚｙＭａｘ－Ｍｉｎ，ＦＭＭ）神经网络作为模式分类器，提出抽取稳健性目标结构特征的方法，构造出能较好地减少目标姿态变化敏感性的ＦＭＭ神经网络雷达目标识别系统。利用实测的五种飞机目标数据对其进行了性能检验，证明该识别方法能在较大的姿态模区内取得优良的识别效果。     

一种基于模糊分类的运动目标检测算法

本文提出了一种基于模糊分类的运动目标检测算法.首先对序列图像进行差分运算,并计算差分图像的局域二阶矩,然后使用模糊分类的Powell快速算法提取运动目标.实验结果证明了本算法的有效性和可靠性.     

一种改进的窄带雷达目标分类方法

介绍了4种经典的窄带雷达目标分类方法,并比较了它们的优缺点。由于各方法都有各自的局限性,提出了利用基于回波波形的直接提取方法和基于目标的喷气发动机调制（JEM）特征的分类方法联合运用的策略,以提高识别的准确率,为制定对抗措施提供更为可靠的依据。     

一种新的模糊支持矢量机多目标识别方法

本文主要研究基于支持矢量机(SVM)的多目标识别方法.首先介绍了基于SVM的OAA和OAO多目标识别算法,针对OAA和OAO算法存在的误判问题,基于SVM决策函数建立了样本模糊隶属度函数,对OAA和OAO算法进行了改进,提出了一种新的模糊支持矢量机多目标识别方法.仿真实验结果表明,该方法能够有效提高识别性能.     

一种新的雷达目标HRRP识别方法

针对雷达目标回波的非平稳特性,推导了S变换及其快速实现算法,利用电磁场时域有限差分算法仿真了3种军用飞机的宽带散射信号,采用S变换对飞机目标的雷达回波进行时频分析,提取时频分布图的矩特征作为目标特征矢量,利用改进径向基函数神经网络对特征矢量进行训练和学习,最后对3种飞机作了分类识别,取得了很好的识别效果。     

雷达目标识别的一种方法

利用目标的方位角、运动速度、俯仰角和雷达散射截面积（RCS），提出了一种雷达目标识别方法。由目标的实测数据，计算特征向量总体的均值和协方差矩辄及其逆矩阵，由距离判别法进行目标识别。识别结果表明，该方法简单、识别效果较好，具有一定的实际应用价值。     

一种应用模糊聚类分析的目标识别效果评估方法

针对识别效果评估,选取了评估指标及测度方法,将模糊聚类分析引入识别效果评估,建立了一种开放的评估模型,该模型可以给出客观的、定量化的评估结果。最后,结合实测数据完成了仿真。     

神经网络自动生成模糊系统

在模糊系统的生成过程中，最主要的任务是隶属函数和模糊规则的提取和调整，但用传统方法，其工作量往往随变量数的增长而爆炸性地增加。为了解决这一问题，本文提出了一种新颖的，利用神经网络来自动地撮模糊系统 隶属函数和规则。     

适于一维散射中心识别的模糊分类器

该文研究了雷达目标一维散射中心的提取及其特性,针对一维散射中心的特点,提出了一种基于模糊分布的分类器。该分类器对特征矢量长度没有一致性要求,并可根据测试样本灵活选择训练样本,有效地解决了以一维散射中心为特征的识别问题。     

运动弱目标检测的一种新方法

分析了噪声背景下弱目标区域的梯度分布特性,采用模糊技术来描述了弱目标边缘区域内灰度变化方向的一致性程度,把灰度变化方向的一致性程度作为各像素点隶属于边缘的模糊隶属度,进行目标初分割.然后利用帧间信息,根据目标的运动特征再分割,并根据现场采集到的数据进行仿真,证明了该方法的有效性.     

基于一维散射中心匹配的雷达目标识别

本文提出了一种新的基于目标一维散射中心匹配的雷达目标识别方法.该方法在计算两目标匹配函数之前,先根据目标尺寸大小在目标中心附近设定一个距离窗,将位于此距离窗以外的散射中心剔除,以减轻目标区域以外虚假散射中心的影响.对剩下的目标散射中心,根据两目标散射中心之间的距离,对目标之间的散射中心配对,然后定义两目标的匹配函数为所有配对散射中心的"匹配能量"和与两目标所有散射中心能量和的比值.对五类目标缩比模型的外场测量数据进行分类识别实验,结果表明该方法具有良好的目标识别能力,而且对加性高斯白噪声和雷达带宽不敏感.     

雷达目标旋转部件的微Doppler效应

目标的微动特征与目标属性密切相关,可作为目标识别的重要特征。对旋转部件,该文建立了具有空域时变特性的点散射模型。基于此模型,分析了由目标的旋转部件引起的微Doppler效应,对含有旋转部件的目标回波的时频特性进行了理论推导,并利用外场实测数据,得到了雷达目标回波的时频图,与理论推导的结果十分吻合,验证了理论推导的正确性。在此基础上,提出了一种基于短时傅里叶变换的目标微动参数提取方法,利用实测数据对目标的微运动参数提取进行了尝试,得到了很好的结果,为PD雷达的目标特征提取与识别提供了理论指导。     

雷达微弱目标检测前跟踪算法综述

军事隐身目标的出现,给雷达带来了严峻的挑战.检测前跟踪算法是雷达微弱目标检测和航迹处理的一种有效方法.文中对雷达微弱目标检测前跟踪算法进行了综述,首先介绍了三维匹配滤波、Hough变换、动态规划和粒子滤波4类最常用的检测前跟踪实现算法的基本原理,然后述评了4类检测前跟踪算法的研究进展情况,最后在分析现有检测前跟踪算法问题的基础上,展望了雷达微弱目标检测前跟踪算法的发展趋势.     

基于时频特征的低分辨雷达微动多目标分辨方法

对同一波束内群目标个数进行判定对于提升低分辨预警雷达性能具有重要的意义。该文根据不同目标微动多普勒特性的差异,提出了利用时频的方法进行微多普勒特征分析实现群目标个数的判定的方法。该算法先利用自适应chirplet变换进行群目标信号拟合,消除交叉项的影响,得到每个目标主要微动频率分量,再根据拟合得到的频率分量呈线性的特点,利用hough变换检测直线数量,从而实现群目标个数的判定。仿真实验表明,该算法可以有效估计群目标内目标个数。     

宽带极化雷达目标的互易性修正及识别

针对雷达目标的互易性修正问题,利用机器学习理论,提出一种基于非线性表示子的极化雷达目标互易性修正方法。尝试将Krogager和Cameron目标分解方法用于宽带极化雷达目标的识别,分别基于这两种目标分解方法对宽带极化雷达目标进行特征提取,在Krogager分解中使用核非线性分类器和分类器融合方法对特征矢量进行分类,在Cameron分解中使用投票判决方法对特征矢量进行分类。仿真结果表明,所讨论的方法有较好的性能。     

一种高脉冲重复频率雷达微弱目标检测跟踪方法

针对高脉冲重复频率(PRF)雷达对微弱目标的检测跟踪问题,该文提出一种雷达测距模糊条件下基于检测前跟踪(TBD)的微弱目标跟踪方法.该算法借用TBD的思想精髓,对于每一时刻的量测,既不进行目标有无的检测也不解距离模糊,而是将目标检测和解距离模糊统一在目标真实航迹的获取中.首先通过批处理把目标的模糊量测在所有模糊区间进行多假设扩展,从而提取量测的时空相关信息;然后基于目标真实航迹在时空上的连续性和不同PRF量测之间的相关性,通过TBD方法得到目标航迹,同时实现解距离模糊.与同类研究相比,该方法将微弱目标解距离模糊问题统一到目标航迹的检测确认过程中,避免了低信噪比(SNR)造成的航迹漏检,为实现高脉冲重复频率雷达微弱目标的检测跟踪提供了一种新的思路.最后,通过仿真验证了该算法的有效性.     

模糊控制在航天航空领域中的应用

本文介绍了一种具有强化学习能力的模糊控制器，给出了它在航天飞机姿态控制中的应用．分析了采用外环回馈控制的Ｆ—１８战斗机的模糊着陆系统。最后，通过对模拟结果的分析，我们得出了自己的结论。